如何使用Python求解仅含x的复杂单变量超越方程（含atan等函数）

环境准备 #

直接安装Python生态常用的两个科学计算库即可，不需要额外开发复杂的迭代逻辑：

pip install numpy scipy

numpy负责数学函数的数值计算，scipy内置了成熟的数值求根算法，精度和效率都远高于手动实现的暴力迭代。

方程格式转换 #

所有单变量方程 f(x) = g(x) 都可以统一转成求根形式 f(x) - g(x) = 0，你给出的示例方程转换后为：
arctan(12/x) - arctan(√(7x)/31) - arctan((3x + 942 + √(2x²+2))/(4 + √(5+x²))) = 0

注意Python中的数学函数调用规则：反正切用np.arctan，开方用np.sqrt，幂运算用**。

求解代码示例 #

直接调用scipy提供的root_scalar函数即可完成求解，只需要传入转换后的方程和大致的解所在区间：

import numpy as np
from scipy.optimize import root_scalar

# 定义转换为求根形式的方程
def target_equation(x):
    left_part = np.arctan(12/x) - np.arctan(np.sqrt(7*x)/31)
    right_part = np.arctan((3*x + 942 + np.sqrt(2*x**2 + 2))/(4 + np.sqrt(5 + x**2)))
    return left_part - right_part

# 调用求解函数，已知解在0.001到0.01区间内，传入bracket参数指定区间
solve_result = root_scalar(target_equation, bracket=[0.001, 0.01])

# 输出求解结果
print("方程的近似解为：", solve_result.root)

运行上述代码得到的结果约为0.00523，和WolframAlpha的计算结果一致。

通用使用注意事项 #

• 求解前需要先大致确定解的所在区间，不确定区间范围时可以先打印不同x取值下的target_equation(x)值，找到函数值从正变负/从负变正的区间即可
• 如果方程在某些点无定义，设置区间时避开无定义点即可，比如本例中x不能为0，所以区间左端点设为0.001
• 有更高精度要求时，可以给root_scalar传入xtol参数调整精度阈值，比如xtol=1e-8即要求解的精度到小数点后8位

内容的提问来源于stack exchange，提问作者Harry